圖片來源：由無界AI工俱生成
來源：見識
作者：唐露堯
原標題：《我向這位CTO提了三個AIGC問題》
ChatGPT的爆火、AIGC新技術的出現，正在掀起一場全新的行業變革大浪潮，它對未來商業的變革、對未來崗位和職業的影響將更為廣泛和深刻。
見實前不久發起主題為《AIGC衝擊、變化和想像》的新白皮書撰寫。本文便是來自撰寫過程中的一次深度對話，電話的另一端是行業某頭部廣告營銷公司CTO 許楠，深聊中，許楠指出了AIGC對個人、企業以及行業的衝擊與影響，並回答了三個AIGC常見問題：
一是，企業怎麼落地。市面上充斥著大量的AIGC商業產品，許楠特別關注到“企業自有模型”的做法，他認為，建立品牌自由模型難度大，成本高，品牌要想真正把Chat GPT用在實戰中，其實通過向量數據庫建立一套過濾機制更好。
二是，我會不會被替代。 AIGC能力將成為未來職場的通用能力，正如Office那樣，未來的區分就是“會用AI”的人替代“不會用AI”的人。
三是，行業將去向何方。正如現在如火如荼的“企業數字化轉型”那樣，“企業AI轉型”將成為行業未來新的風向標。
歷史一次又一次證明，效率更高的組織在持續打壓效率更低的組織。無論是個人還是企業，AIGC爆火都給整個行業帶來了前所未有的危機感。
由於白皮書尚未發布，遂嘉賓我們作匿名處理，正式發佈時，將在白皮書內公佈。也歡迎大家與見實聯繫並參與《AIGC衝擊、變化和想像》白皮書的內容共創中來，分享你對於AIGC技術所帶來的新崗位、新工作和新服務的看法和建議。接下來，讓我們回到對話現場，聽聽許楠的AIGC思考，如下，Enjoy：
01、企業怎麼落地？建立品牌自有模型並不究竟
見實：回過頭來看，AIGC對品牌的圖文、直播、短視頻等內容生產會帶來哪些影響？
許楠：圖文AIGC是最直接的衝擊，而短視頻AIGC的應用才剛剛開始，如，抖音剪映直接輸文字，就可以幫你拼湊出來一條短視頻，節奏還是不錯的，只是還需要不斷精細化和調優，下半年或者明年初可以看到直接商用化的成果。
直播AIGC更多是在談虛擬人直播，絕大部分應用是在本地生活領域、才藝主播或者口播主播領域裡。
虛擬人直播有兩個常見問題：一是虛擬人和商品互動問題；二是虛擬人設問題，觀眾其實很輕鬆就可以辨別出主播是否是虛擬人，所以直接開誠佈公和觀眾坦白，這是一場虛擬人直播即可，核心要看品類，如果商品是日用品且以價格折扣為主導，那虛擬人反倒更合適，可以大大降本增效；如果賣更加複雜的商品，比如，小家電或服裝，需要展示衣服實物細節，這時就需要真人出鏡了。
總得來看，品牌的跟進更多是創意營銷思路，可以把它理解成一個更接地氣的元宇宙，但這種做法只能在短期內帶來流量的圍觀。
見實：行業中常見的幫品牌打造用戶內容“小模型”，還要多久才能夠實現？
許楠：自建模型難度是有多，如果你真正去了解品牌商，就會發現，絕大部分品牌商或許不用自己來搭小模型，大模型就可以支持。
如，大模型足足400T的內容數據，基因序列都能準確的預測，且準確率高達90%以上。
而讓品牌猶豫的隱私問題也是一個偽命題，尤其是消費品行業，其實不存在特別隱私的部分，如，品牌希望GPT對客戶講化妝品的配方和產品公佈的配方一致，但不透露核心專利配方或者化學方程式之類，然而用戶根本就不關注背後的化學方程式是怎麼得來的。品牌唯一能做的就是不公開不願公開的信息，一旦公開就能被檢索到，無非是精準度和效率問題。
如果非要控制和篩選GPT的回复，其實提前配置一個數據庫充當過濾器的做法就挺好，這個過濾器會幫品牌判斷這個問題應該傳遞哪些信息，在這個場景上面能給還是不能給，這個數據庫是一個向量數據庫，建立起來非常容易。
見實：數據在品牌開展AIGC的進程中起到怎樣的作用？
許楠：AIGC 作為效率工具，現階段不需要品牌提供歷史增持的數據，我們無非就是把自己想做的事情轉換成一條“文字指令”給到GPT，然後它來生成一個滿足我們要求的內容，真正到數據反哺AI還是下一階段的事。
未來如果真要做垂直行業的AIGC，可能就需要客戶提供更多細分領域的內容了，如醫療、健康、藥品的推薦， 用AIGC還是很難實現的，這就需要把歷史上所有使用這個藥的相關案例全都餵到AIGC裡，同時，再建立一整套反饋系統，建立答复標準，這時可能就需要創建兩個AIGC角色，通過AI與AI之間的對抗式問答輔以人工篩選來打造垂直行業AI。
02 、我會不會被取代？ “會用AI”的人替代“不會用AI”的人
見實：Chatgpt的產生對不同崗位造成了衝擊，你覺得有失業焦慮的必要嗎？
許楠：我覺得沒必要，首先，不存在接入新技術就得進行大規模裁員，這一個自然淘汰的過程，如，會用AI的員工一天可以寫50篇文章，不會用的一天只能完成1篇，達不到正常標準的員工自然就會被淘汰。
如果拉長歷史時間線看，過去電腦和office剛出現時，很多人也擔心會不會被替代，因此，不掌握AIGC的人會被替代，掌握的人則不會被替代。
假設通過內部培訓讓所有員工都懂得如何使用AI，那公司的產能就會非常高，同時也就具備了搶占更大市場的優勢。但是，我們還忽略了兩個關鍵點：
一是，行業市場有上限，不可能一家獨大。只是會有新的增長邏輯，核心看企業高層是選擇在一個行業裡做深做強，還是往上下游和產業鏈延伸，開拓業務的第二增長曲線。
二是，新技術離商用還有一段距離。在註重強邏輯的領域，AI並不一定擅長，如策劃策略、商業策略、金融預測等問題，雖然GPT能給你一些策略，但這個策略是不是被現實環境所驗證，是否符合現狀，都是有待論證的。畢竟它的數據是固定的，2021年以前的數據顯然已經過時了。
那什麼行業又會被AIGC顛覆呢？內容創意行業首當其衝。不管是文案、圖像還是視頻，AIGC越來越接近我們的工作預期，因此，在內容創意崗位的人應儘早擁抱AI ，讓它成為你的效率工具。
見實：在AI 的影響下，未來會新增哪些新職業，你現在有接觸到或者有聽到過嗎？
許楠：提示詞工程師最近比較火，但也只是未來3年左右的階段性崗位，未來指令會越來越簡單，且朝著交互式方向演進。
一方面，GPT 3.5已經實現初步可交互，當我讓他策劃活動時，它會反問“你的活動信息太少，能不能再告訴我你的品牌或者產品或者市場面臨的情況，我再幫你繼續寫東西。”
另一方面，最新的Auto GPT在交互方面更加智能強大，不僅具備對歷史問答的記憶能力，還可以按照不同角色的決策方式採取對抗式驗證。
同樣是營銷活動策劃，Auto GPT會根據營銷活動背景自動創建多個虛擬角色。首先，基於CEO的決策方式對營銷方案提出建議，再將反饋意見喚起營銷策劃的人物角色進行修改，修正完後再從財務視角判定方案漏洞，整個過程完全不需要通過人工來反複調整提示詞。
見實：從技術的角度看，AI 未來是否會降低創業門檻，有更多AI 類或數字化創業的機會嗎？
許楠： 我個人覺得AI 的出現其實是減弱了技術創業的可能性，互聯網創業公司的產品其實非常趨同，且未來的代碼能力，還可以通過類似GPT的大語言模型自主去完成。
因此，小型創業公司很難去做自己的核心AI模型，核心能力肯定是由大廠提供。未來，可能只有兩種公司有機會：一是有錢有資源的大公司，二是研究型創業公司，有權威專家加持。
未來的創業並不是往底層AI 能力的方向走，而是往AI 和行業的深度結合方向發展。賣系統本身的能力，未來只會慢慢中心化在大平台或產業手裡，大多數創業者的機會存在於能被AI改造的各個細分行業中，正如現在“企業數字化轉型”的剛需一樣，未來“企業AI轉型”依然具備很大的市場剛需。
03行業去向何方？從“企業數字化轉型”到“企業AI轉型”
見實：目前國內技術接入的成本有新變化嗎？
許楠：GPT3.5可以穩定輸出簡單的文案和策略制定，大概相當於17歲人類的智商，使用成本較低，1000個token（指令）大約只需0.012美分；如果對創作要求較高，可以用GPT4，收費大約是GPT3.5的10倍，肯定比人工更便宜。
見實：國內GPT屢被封殺，是否意味著國內AIGC產業在落地上會面臨更大的挑戰？
許楠：封殺只是針對大型企業製衡策略，大公司的商業化與規模化訪問需要層層授權，未來國外可能也只對國內巨頭公司開放GPT3.5的能力，但也不會全封。
在實際應用中，GPT接入後的效果並不穩定，商業化應用是有風險的，真正落地還是要看國產大模型能否提供一個穩定可靠的應用環境。
見實：企業之間的信息差或技術差上逐漸被抹平，未來的公司經營會呈現怎樣的狀態呢？
許楠：這個問題值得深度思考，傳統的應用形態無非是ERP、 SCRM營銷工具、營銷活動、企業財務系統等，這些系統最核心的作用是幫助企業提升業務流、工作流以及後台處理的效率。
如果這些功能模塊有一個具備“通用性能力”的AI協助處理時，前端應用就會極度簡單，數據可實現自動收集，後端客戶數據分析與客戶分配也都可以交給AI，基本上可以滿足企業需求。
當AI 程度越來越高時，基礎決策性內容，事務性操作，需要用到的人力也會越來越少，一個團隊裡最後就中心化在幾個最核心的人在做整體決策，企業將變得越來越輕量化。
如，一個電商品牌的總部可能只有兩個人，一個人負責GPT輸出圖文內容，另一個人負責商務和產品，一個以AI為中心的公司MVP模型可能就能跑通了。
見實：行業服務商會面臨哪些新模式的變革，哪類企業又會在這波浪中最終受益？
許楠：單看我們這個行業，當前絕大部分營銷公司依靠高成本的人力賺取較低的毛利。而當新技術出現後，合作方式便轉向了“策略+工具”的新模式。
未來我們或將會從一家“營銷公司”發展為一家“營銷科技公司”。營銷公司的價值也不再是堆人，而是把時間放在更具有創造力的事情上，提供營銷策略與諮詢服務的同時，配合營銷工具高效落地。
服務商企業將從一個低毛利空間的泥沼中掙脫出來，變成一個需要持續投入研發，通過技術取勝的營銷科技公司。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載